Projektkurs Data Science & Law

"Auf hoher See und vor einem Gericht sind wir alle in Gottes Hand"

Angesichts langer und komplexer Gesetze und Verordnungen mit diversen Querverbindungen und Außnahmen verliert man insbesondere als Nichtjurist schnell die Übersicht; und das trotz digital verfügbarer Texte mit Suchfunktion. Die Missverständnisse und Mythen bzgl. diversen Coronaregeln sind dafür ein hoch aktuelles Beispiel. Aber auch alltäglichere Rechtsdokumente wie Arbeitsverträge und Betriebsvereinbarungen können eine Herausforderung für die betroffenen Parteien darstellen.

In dieser Veranstaltung wenden wir Methoden des Machine Learnings auf zwei textuelle Datensätze aus dem Rechtswesen an: ein Datensatz zu Entscheidungen von Finanzgerichten und ein Datensatz mit Betriebsvereinbarungen von Betrieben aus der Metallbranche. Der Vorteil von Machine Learning: wir müssen nicht das deutsche Steuer- und Arbeitsrecht in minutiöser Kleinarbeit in ein Computerprogramm umschreiben, sondern die künstliche Intelligenz lernt von selbst mithilfe sogenannter Trainingsdatensätze.

Die Ergebnisse der Machine Learning Methoden, also z.B. Antworten auf konkrete Rechtsfragen, eine Zusammenfassung der wichtigsten Punkte oder ein Vergleich zweier Vertragsdokumente können dem Endnutzer z.B. in Form einer App oder einer Webgrafik anschaulich präsentiert werden.

Wir sind überzeugt, dass Machine Learning und die damit möglichen Anwendungen die Zukunft des Rechtswesens und der Wirtschaft mitbestimmen werden. Deshalb wollen wir euch mit diesem Kurs die passenden Kentnisse und Methoden für diese Zukunft vermitteln!

Zielgruppe

Der Projektkurs kann im Masterbereich als Wahlpflicht Recht / BWL / VWL sowie in den Schwerpunkten Business Analytics, RWWP, Informatik und Economics mit 7 Leistungspunkten angerechnet werden und ist auch für interdisziplinäre Studiengänge (WiMa, usw.) offen. Eine Anrechnung als Seminar ist ausgeschlossen.

Für weitere Informationen verweisen wir auf die offizielle Modulbeschreibung.

Ablauf

Kickoff Projektkurs am 15. Oktober um 10:15 Uhr in Heho 18, 2.20

Wir starten gemeinsam in den Projektkurs! Bitte schreibt euch bis dahin in den Moodlekurs der Veranstaltung ein. Dort bekommt ihr neben dem Link zum Livestream auch alle weiteren Unterlagen zur Verfügung gestellt.

Methoden Phase I - Grundkurs in R & R-Studio inkl. Einführung in die Arbeit mit tabellarischen und textuellen Datensätzen.

Die Lerninhalte werden über Youtube Videos vermittelt und können mithilfe von R-Übungsmaterialien selbstständig eingeübt werden. In jeder Woche wird ein BBB Livestream mit unserem Team angeboten. Neben der Besprechung der Übungsaufgaben erhaltet ihr Gelegenheit für Fragen & Austausch und einen Input zu den aktuellen Entwicklungen von LegalTech in Forschung & Praxis.

Spezifische Vorkentnisse in R oder allgemeine Erfahrungen mit Programmiersprachen sind hier hilfreich, aber nicht vorausgesetzt. Das Tempo wird so gewählt, dass auch Einsteiger mitmachen können.

Methoden Phase II - Methoden des Machine Learnings, anschaulich und konkret in R mit dem Datensatz "Finanzgerichte"

Die Lerninhalte werden über Youtube Videos vermittelt und können mithilfe von R-Übungsmaterialien selbstständig eingeübt werden. In jeder Woche wird ein BBB Livestream mit unserem Team angeboten. Neben der Besprechung der Übungsaufgaben erhaltet ihr Gelegenheit für Fragen & Austausch und einen Input zu den aktuellen Entwicklungen von LegalTech in Forschung & Praxis.

Spezifische Vorkentnisse in Machine Learning oder allgemeine Affinität für Informatik und Statistik sind hier hilfreich, aber nicht vorausgesetzt. Das Tempo wird so gewählt, dass auch Einsteiger, aufbauend auf der Methodenphase I, mitmachen können.

Kickoff Projektphase  etwa in der Mitte des Semesters

Nachdem ihr euch eine breite technische und methodische Grundlage erarbeitet habt, geht es jetzt in die Projektphase. Wir stellen euch hier den Datensatz und mögliche Fragestellungen bzw. Zielsetzungen vor.

Arbeitsgruppen - Gruppenarbeit an eurem Projekt

Ihr teilt euch in Gruppen von 3-5 Personen ein und arbeitet an eurem Projekt. Dabei steht ihr in regelmäßigem Kontakt mit unserem Team, präsentiert Zwischenergebnisse und erhaltet Feedback und Tipps.

Pitches - Die große Bühne zum Abschluss, 1-2 Wochen vor Beginn des Prüfungszeitraums.

Ihr stellt eure Ergebnisse einer breiten Jury vor, mit Vertretern aus dem Rechtswesen, der Wirtschaft und der Softwareentwicklung.

Leistungspunkte und Benotung

Grundlage für die Notenfindung ist der dokumentierte Quellcode euers Projekts, eine kurze schriftliche Ausarbeitung und eure Leistung im Pitch.

Interesse?

Dann schreibe dich in unseren Moodle Kurs ein und sei beim Kickoff mit dabei!

Logo Data Science in Law

External content

To use this content (Source: www.xyz.de ), please click to Accept. We would like to point out that by accepting this iframes data to third parties transmitted or cookies could be stored.

You can find further information in our Privacy policy.

Übersicht

Zielgruppe: Master

Wahlpflicht Recht
Wahlpflicht BWL/VWL
Schwerpunkt RWWP
Schwerpunkt Business Analytics
Schwerpunkt Informatik
Schwerpunkt Economics
Export (WiMa/WiPhy/WiChem)

Turnus

WS24/25

Termine

Termine siehe Moodle

Prüfungsform

Mündliche Präsentation
Kurze schriftliche Ausarbeitung
Kommentierter Quellcode

Team

Prof. Dr. Heribert Anzinger
Prof. Dr. Georg Gebhardt
Dennis Steinle

 

Ref. Jur. Gabriel Volk

Links

Modulbeschreibung
Moodle-Kurs
YouTube Playlist zum Kurs
ICAIL Konferenz
CMIL Kooperation mit Heidelberg
LegalTech im Bundestag
Blog von Dr. Micha M. Bues

 

Twitterkanal zum Thema

 

 

 

 

Literaturempfehlungen

Lehrbücher & Übersicht

  • Ashley, Artificial Intelligence and Legal Analytics, 2017, Part II
  • Julia Silge and David Robinson, Text Mining with R - A Tidy Approach, 2020
  • Legal Tech - Die Digitalisierung des Rechtsmarkts: Die Digitalisierung des Rechtsmarkts . by Hartung/Bues/Halbleib. 2017. Verlag: C.H. Beck.
  • Business Data Science: Combining Machine Learning and Economics to Optimize, Automate, and Accelerate Business Decisions. by Matt Taddy. 2019

Forschungspapiere

  • Cardelino, A Low-cost, High-coverage Legal Named Entity Recognizer, Classifier and Linker, ICAIL 2017
  • Nanda, A Unifying Similarity Measure for Automated Identification of National Implementations of European Union Directives, ICAIL 2017
  • O’ Neill, Classifying Sentential Modality in Legal Language: A Use Case in Financial Regulations, Acts and Directives, ICAIL 2017
  • Libal/Novotná, Towards Automating Inconsistency Checking of Legal Texts, IRIS 23 (2020), 241 - 248
  • Zhong et al. Automatic Summarization of Legal Decisions using Iterative Masking of Predictive Sentences, ICAIL 2019, 163
  • Westermann et. al., Using Factors to Predict and Analyze Landlord-Tenant Decisions to Increase Access to Justice, ICAIl 2019, 133

Sammelbände